番茄是世界上需求量最大的蔬菜之一,独特的口感深受国内外欢迎。随着新鲜番茄、番茄制品需求量增加,使得番茄种植规模逐渐扩大。同时高产、少病害、耐储存、口感佳等特征的番茄已成为种植者与消费者的追求。另外病害的发生成为影响番茄产量的重要因素,大规模种植对病害控制任务繁重,传统的诊断方式容易带来一些不可逆现象如:病害诊断周期长、病害误诊错诊。计算机技术的发展和图像处理技术的应用,国内外研究者将两种技术逐渐运用到作物病害识别领域,对作物病害识别分析研究方面已经取得不错成果。通常病态番茄植株会呈现出生理结构、形状特征变化。故将番茄叶片病害图像作为研究对象,利用遗传算法和智能分类识别模型进行病害叶片分割与识别,对番茄产量和品质的提升以及农作物的病害识别方面具有重要意义。本文以番茄常见三种病害类型为研究对象,论文中的主要工作量如下:(1)所用番茄病害图片样本均来自农作物研究网和农业经济论坛,以番茄植株常见病害早疫病、晚疫病、灰霉病三种病害类型为样本,通过对番茄病害症状研究,叶片在RGB(红绿蓝)空间下的颜色分量之间的差异性以及病害部位的亮度、色调、形状等可作为研究依据。(2)对番茄三种病害叶片图像分别预处理:包括增强、锐化、数学形态学等操作。分割中用GA与二维OTSU算法结合的算法对叶片处理,二维OTSU(最大类间方差法)获得图像阈值在差值最大处的分割阈值,而遗传算法在于提供迭代寻优相关性最高的参数,种群适应度在阈值差函数下的极大值也就是最优阈值解,同时与分水岭分割法、GA、二维OTSU算法做对比。(3)番茄病害病斑区域颜色参数提取:非二值化图像在不同颜色空间的颜色量存在不同,在一定程度上颜色分量蕴藏着各种信息,病害颜色特征可以作为提取特征的依据。另外因为HSI(色度、饱和度、亮度)颜色空间和人眼对颜色识别原理相似,要对图像要进行HSI颜色空间转换,空间转换共提取了12个统计特征作为颜色特征参数;针对番茄病害特征在形状上差异性的研究,论文中用到的实验样本在形状特征上存在明显差异,具体表现在病斑大小、周长、轴长、圆形度等,最终形状特征参数提取包括11个统计特征;纹理特征肉眼难以观察,参考研究者,专家们的研究经验通常用灰度共生矩阵法提取图像纹理在能量、相关性、对比度、熵等特征,选择了图像在纹理方面四个特征的均值与方差共计8个特征参数。(4)GA与二维OTSU算法处理后的图像提取的31种特征,由主成分分析法筛选特征向量,另外增加基于遗传算法的支持向量机分类模型和基于粒子群的支持向量机群智能分类模型。在遗传算法的参数确定和粒子群参数确定方面,通过引入寻优函数,提高参数寻优能力。分别在不同参数下的模型中多次试验,验证三种病害在同一分类器中的分类效果。三个试验模型保留识别率大于90%的实验组作为评判分类模型性能的指标,SVMPSO-分类模型对灰霉病的识别率93.87%,对目标实验组数的分类率分别求平均值,三种分类模型中SVMPCA-识别率较高早疫病病害识别率达到90%以上。